Annotation Data Analysis

Current date and time: 2021-12-17 21:48:26

Networkx version: 2.6.3

1. Reading data

>> Number of annotated documents: 7311

{'_id': ObjectId('61afcea0ac60c5e751898922'),
 'approach': '[1]-[S]-[conj_LNK]-[S]-[PUNCT]',
 'argumentID': '4-17181-1-1',
 'claim': {'entities': [],
           'nouns': ['arboles'],
           'text': 'Que se planten los arboles que se puedan y sean '
                   'convenientes'},
 'commentID': 17181,
 'linker': {'category': 'CONTRAST',
            'linker': 'pero',
            'relationType': 'attack',
            'subCategory': 'OPPOSITION'},
 'mainVerb': 'planten',
 'majorClaim': {'entities': [], 'nouns': [], 'text': ''},
 'parentID': -1,
 'premise': {'entities': [],
             'nouns': ['madrileno'],
             'text': 'no uno por cada madrileno'},
 'proposalID': 4,
 'sentence': 'Que se planten los arboles que se puedan y sean convenientes, '
             'pero no uno por cada madrileno.',
 'syntacticTree': '(sentence\n'
                  '  (S\n'
                  '    (conj (SCONJ Que))\n'
                  '    (morfema.pronominal (PRON se))\n'
                  '    (grup.verb (VERB planten))\n'
                  '    (sn\n'
                  '      (spec (DET los))\n'
                  '      (grup.nom (NOUN arboles)\n'
                  '        (S\n'
                  '          (relatiu (PRON que))\n'
                  '          (S\n'
                  '            (morfema.pronominal (PRON se))\n'
                  '            (grup.verb (AUX puedan)))\n'
                  '          (conj (CCONJ y))\n'
                  '          (S\n'
                  '            (grup.verb (AUX sean))\n'
                  '            (s.a\n'
                  '              (grup.a (ADJ convenientes)))))))\n'
                  '    (PUNCT ,))\n'
                  '  (conj (CCONJ pero))\n'
                  '  (S\n'
                  '    (neg (ADV no))\n'
                  '    (sn\n'
                  '      (grup.nom (PRON uno)))\n'
                  '    (sp\n'
                  '      (prep (ADP por))\n'
                  '      (sn\n'
                  '        (spec (DET cada))\n'
                  '        (grup.nom (NOUN madrileno)))))\n'
                  '  (PUNCT .))\n',
 'userID': 9806}

2. Data processing

2.1. Summary of proposals and comments

Number of arguments in the proposals: 1456
Number of arguments in the comments: 5855
Number of comments with replies: 2182 , % share: 0.37

2.2. Argumentative sentence patterns

	pattern	level	freq
0	[S]-[conj_LNK]-[S]-[PUNCT]	1	3191
1	[grup.verb]-[sn]-[sp_LNK]-[PUNCT]	1	428
2	[grup.verb]-[sn]-[sp_LNK]	2	350
3	[sn]-[grup.verb]-[sp_LNK]-[PUNCT]	1	322
4	[S]-[conj_LNK]-[S]	1	292
5	[sn]-[grup.verb]-[sp_LNK]	2	223
6	[grup.verb]-[sn]-[sp_LNK]-[sn]	1	194
7	[grup.verb]-[sn]-[S_LNK]-[PUNCT]	1	157
8	[sn]-[grup.verb]-[S_LNK]-[PUNCT]	1	114
9	[grup.verb]-[sn]-[sp_LNK]	1	103
10	[sn]-[grup.verb]-[sn]-[S_LNK]-[PUNCT]	1	102
11	[S]-[conj_LNK]-[S]-[PUNCT]-[S]-[PUNCT]	1	95
12	[sn]-[grup.verb]-[sp_LNK]-[S]-[PUNCT]	1	81
13	[S]-[conj_LNK]-[S]-[conj]-[S]-[PUNCT]	1	70
14	[S]-[conj_LNK]-[S]-[grup.nom]	1	53
15	[sn]-[grup.verb]-[sp_LNK]-[PUNCT]	2	53
16	[S]-[conj_LNK]-[S]-[S]-[PUNCT]	1	47
17	[sp]-[grup.verb]-[sn]-[sp_LNK]-[PUNCT]	1	45
18	[sn]-[neg]-[grup.verb]-[sp_LNK]-[PUNCT]	1	43
19	[sn]-[grup.verb]-[sp_LNK]-[sp]-[PUNCT]	1	39
20	[neg]-[grup.verb]-[sn]-[sp_LNK]	2	36
21	[sn]-[neg]-[grup.verb]-[sp_LNK]	2	35
22	[grup.verb]-[sn]-[S_LNK]	1	34
23	[sn]-[grup.verb]-[sp_LNK]	1	34
24	[grup.verb]-[sn]-[sp_LNK]	3	34

	level	frequency	% share
0	1	272	54.84
1	2	172	34.68
2	4	16	3.23
3	3	12	2.42
4	5	7	1.41
5	7	5	1.01
6	6	4	0.81
7	8	2	0.40
8	9	2	0.40
9	10	2	0.40
10	11	1	0.20
11	21	1	0.20

2.3. Number of arguments per proposal

	proposal	arguments_num	proposal_w_arg	% share	nouns	entities	linkers
0	pid-1419	159	False	2.17	{'propuesta': 61, 'bici': 59, 'manera': 40, 'f...	{'Madrid': 7, 'Amsterdam': 4, 'ciclista': 4, '...	{'pero': 69, 'para': 58, 'por': 9, 'porque': 9...
1	pid-965	66	False	0.90	{'sindicatos': 11, 'parte': 6, 'iglesia': 6, '...	{'IBI': 12, 'Iglesia': 2, 'IC': 1, 'PAS': 1, '...	{'pero': 28, 'para': 9, 'por': 9, 'como': 8, '...
2	pid-20389	53	True	0.72	{'arboles': 19, 'calle': 8, 'tambien': 7, 'vez...	{'Madrid': 8, 'Arborizacion': 1, 'https://deci...	{'pero': 37, 'para': 10, 'por': 3, 'como': 2, ...
3	pid-15711	52	False	0.71	{'millones': 15, 'barrio': 11, 'euros': 11, 'p...	{'Ayuntamiento': 5, 'Valdebebas': 4, 'FelipeVI...	{'pero': 23, 'para': 8, 'por': 7, 'sino': 4, '...
4	pid-1085	45	False	0.62	{'perros': 19, 'pipi-can': 6, 'perro': 6, 'ver...	{'https://decide.madrid.es/proposals/117': 6, ...	{'pero': 22, 'para': 9, 'por': 5, 'como': 4, '...
5	pid-64	43	False	0.59	{'perros': 12, 'propuesta': 9, 'pipi-can': 8, ...	{'https://decide.madrid.es/proposals/117': 6, ...	{'pero': 25, 'para': 10, 'por': 3, 'porque': 3...
6	pid-22742	37	False	0.51	{'gente': 82, 'firmas': 16, 'recogida': 16, 'v...	{'Berlin': 1, 'Londres': 1, 'Lachavi': 1, 'Gre...	{'para': 19, 'pero': 16, 'porque': 1, 'sino': 1}
7	pid-615	33	False	0.45	{'ciclistas': 10, 'ciclista': 8, 'coche': 7, '...	{'ciclista': 8, 'Espana': 1, 'Ayuntamiento': 1...	{'pero': 17, 'por': 7, 'sino': 3, 'para': 2, '...
8	pid-7	29	False	0.40	{'calles': 9, 'ciudadanos': 6, 'simil': 4, 'ba...	{'Madrid': 5, 'Usera': 1, 'principal': 1, 'Sal...	{'pero': 18, 'para': 6, 'sino': 2, 'porque': 1...
9	pid-20657	25	False	0.34	{'ciudad': 6, 'derecho': 6, 'precio': 5, 'piso...	{'Madrid': 2, 'https://decide.madrid.es/propos...	{'pero': 9, 'para': 8, 'por': 3, 'como': 2, 's...
10	pid-19914	24	False	0.33	{'q': 6, 'flores': 4, 'compra': 4, 'casa': 3, ...	{'Ayuntamiento': 1, 'Juzgado': 1, 'Ensanche': ...	{'pero': 13, 'por': 5, 'para': 3, 'como': 1, '...
11	pid-23219	24	False	0.33	{'rio': 6, 'gente': 6, 'k': 6, 'razon': 4, 'de...	{'Madrid': 3, 'Manzanares': 2, 'Accion': 1, 'h...	{'pero': 11, 'para': 8, 'por': 3, 'si': 1, 'po...
12	pid-2538	23	True	0.31	{'perros': 8, 'perro': 7, 'tasa': 5, 'acuerdo'...	{'Madrid': 2, 'CarmenA': 1, 'Pipi': 1, 'https:...	{'pero': 15, 'por': 5, 'para': 2, 'como': 1}
13	pid-50	20	False	0.27	{'bici': 8, 'trafico': 7, 'carril': 4, 'trabaj...	{'Castellana': 2, 'ciclista': 2, 'Rivas': 1, '...	{'pero': 10, 'por': 4, 'para': 3, 'porque': 1,...
14	pid-8189	20	True	0.27	{'calle': 5, 'duenos': 4, 'perros': 4, 'perro'...	{'Madrid': 1, 'COLILLAS': 1, 'Espana': 1, 'Bra...	{'pero': 10, 'para': 3, 'por': 2, 'como': 2, '...
15	pid-152	18	False	0.25	{'anos': 9, 'paneles': 5, 'propuesta': 4, 'agu...	{'Madrid': 1, 'Ayuntamiento': 1, 'SIRENA': 1, ...	{'pero': 14, 'sino': 2, 'ya que': 1, 'para': 1}
16	pid-1266	17	False	0.23	{'taxis': 4, 'coches': 4, 'semana': 4, 'zonas'...	{'APR': 2, 'Madrid': 2, 'AhoraMadrid': 1, 'Cen...	{'pero': 14, 'para': 1, 'porque': 1, 'sino': 1}
17	pid-4274	16	True	0.22	{'perro': 6, 'cacas': 5, 'perros': 3, 'aceras'...	{'Madrid': 2, 'HORTALEZA': 1, 'SantaSusana': 1...	{'pero': 8, 'por': 5, 'como': 1, 'para': 1, 's...
18	pid-13814	16	False	0.22	{'peatones': 5, 'zonas': 4, 'aceras': 3, 'prop...	{'Gongora': 1}	{'pero': 10, 'para': 4, 'sino': 1, 'porque': 1}
19	pid-19170	16	False	0.22	{'cuerpo': 7, 'personas': 7, 'operaciones': 6,...	{'SS': 2, 'Yola': 1, 'dentista': 1}	{'pero': 12, 'sino': 1, 'por': 1, 'como': 1, '...
20	pid-24954	16	False	0.22	{'taxi': 4, 'condiciones': 2, 'ley': 2, 'calle...	{'Madrid': 1, 'VTC': 1, 'conductor': 1}	{'pero': 5, 'por': 4, 'para': 4, 'si': 1, 'por...
21	pid-26787	15	False	0.21	{'contaminacion': 3, 'apoyo': 3, 'proyecto': 3...	{'Madrid': 3, 'MadridCentral': 2, 'Carmena': 2...	{'pero': 12, 'para': 2, 'mientras': 1}
22	pid-2524	14	True	0.19	{'mujeres': 3, 'anos': 3, 'personas': 2, 'suge...	{'Oporto': 2, 'Madrid': 1}	{'pero': 4, 'para': 3, 'porque': 3, 'si': 2, '...
23	pid-8640	14	False	0.19	{'gente': 3, 'educacion': 3, 'trabajo': 3, 'pu...	{'profesor': 1}	{'pero': 8, 'si': 2, 'mientras': 1, 'siempre q...
24	pid-19024	14	False	0.19	{'basura': 3, 'medida': 2, 'calle': 2, 'sistem...	{'General': 1, 'Plan': 1, 'ydetodoslosPlanesPa...	{'por': 5, 'pero': 5, 'como': 2, 'para': 1, 'e...

2.4. Most used categories

	category	frequency
3	CONTRAST	4055
2	CONSEQUENCE	2455
0	CAUSE	487
4	ELABORATION	301
1	CLARIFICATION	13

2.5. Most common sub-categories

	category	subCategory	frequency
9	CONTRAST	OPPOSITION	3951
4	CONSEQUENCE	GOAL	2452
1	CAUSE	REASON	344
11	ELABORATION	SIMILARITY	298
0	CAUSE	CONDITION	143
7	CONTRAST	COMPARISON	65
8	CONTRAST	CONCESSION	32
3	CLARIFICATION	RESTATEMENT	12
6	CONTRAST	ALTERNATIVE	7
5	CONSEQUENCE	RESULT	3

2.6. Most used linkers by category

	category	subCategory	linker	frequency
29	CONTRAST	OPPOSITION	pero	3712
17	CONSEQUENCE	GOAL	para	1646
18	CONSEQUENCE	GOAL	por	806
35	ELABORATION	SIMILARITY	como	296
31	CONTRAST	OPPOSITION	sino	224
9	CAUSE	REASON	porque	187
0	CAUSE	CONDITION	si	140
23	CONTRAST	COMPARISON	mientras	64
13	CAUSE	REASON	ya que	57
8	CAUSE	REASON	mediante	33
25	CONTRAST	CONCESSION	aunque	29
5	CAUSE	REASON	debido a	16
10	CAUSE	REASON	pues	14
12	CAUSE	REASON	segun	13
2	CAUSE	REASON	a traves de	11
26	CONTRAST	OPPOSITION	en contra de	10
15	CLARIFICATION	RESTATEMENT	es decir	7
20	CONTRAST	ALTERNATIVE	en lugar de	5
16	CLARIFICATION	RESTATEMENT	o sea	5
7	CAUSE	REASON	gracias a	4
11	CAUSE	REASON	puesto que	4
24	CONTRAST	CONCESSION	a pesar de	3
19	CONSEQUENCE	RESULT	asi	3
4	CAUSE	REASON	de acuerdo a	3
27	CONTRAST	OPPOSITION	en contra del	3
1	CAUSE	CONDITION	siempre que	3
34	ELABORATION	SIMILARITY	al igual que	2
33	ELABORATION	ADDITION	fuera de	2
21	CONTRAST	ALTERNATIVE	mas que	2
22	CONTRAST	COMPARISON	al tiempo	1
32	ELABORATION	ADDITION	aparte	1
3	CAUSE	REASON	dado que	1
6	CAUSE	REASON	en base a	1
28	CONTRAST	OPPOSITION	excepto	1
30	CONTRAST	OPPOSITION	sin embargo	1
14	CLARIFICATION	EXEMPLIFICATION	tal como	1

2.7. Most used linkers by relation type

	relationType	linker	frequency
5	attack	pero	3712
24	support	para	1646
25	support	por	806
14	support	como	296
7	attack	sino	224
26	support	porque	187
8	qualifier	si	140
35	support/attack	mientras	64
31	support	ya que	57
22	support	mediante	33

2.8. Most common entities

	entities	frequency	% share
0	Madrid	436	9.44
1	https://decide.madrid.es/proposals/...	195	4.22
2	Ayuntamiento	115	2.49
3	https://decide.madrid.es/proposals/...	52	1.13
4	Espana	46	1.00
5	Metro	40	0.87
6	general	36	0.78
7	ciclista	34	0.74
8	EMT	31	0.67
9	IBI	30	0.65

2.9. Most common aspects

	aspects	frequency	% share
0	propuesta	817	2.32
1	perros	385	1.09
2	gente	310	0.88
3	tambien	306	0.87
4	calle	288	0.82
5	ciudad	259	0.73
6	zona	248	0.70
7	acuerdo	248	0.70
8	barrio	238	0.67
9	personas	222	0.63

2.10. Most common main verbs

	main verbs	frequency	% share
0	propongo	242	3.54
1	parece	178	2.60
2	creo	146	2.13
3	tiene	134	1.96
4	tenemos	95	1.39
5	hacer	90	1.32
6	entiendo	89	1.30
7	crear	87	1.27
8	estan	65	0.95
9	tengo	64	0.94

3. Network analysis

3.1. Processing network data

Total edge list: 52
[('p20389-c181192', 3), ('p20389-c151201', 2), ('c180944-c181081', 2), ('p20389-c181110', 2), ('p20389-c181115', 2), ('c181256-c181733', 2), ('p20389-c179236', 1), ('p20389-c180625', 1), ('p20389-c180641', 1), ('p20389-c180784', 1)]

3.2. Analyzing the network structure

n_nodes: 51 , n_edges: 45
graph density: 0.01764705882352941

3.2.1. Adjacency matrix

matrix([[0, 2, 1, ..., 1, 1, 1],
        [0, 0, 0, ..., 0, 0, 0],
        [0, 0, 0, ..., 0, 0, 0],
        ...,
        [0, 0, 0, ..., 0, 0, 0],
        [0, 0, 0, ..., 0, 0, 0],
        [0, 0, 0, ..., 0, 0, 0]], dtype=int32)

3.2.2. Incidence matrix

matrix([[1., 1., 1., ..., 0., 0., 0.],
        [1., 0., 0., ..., 0., 0., 0.],
        [0., 1., 0., ..., 0., 0., 0.],
        ...,
        [0., 0., 0., ..., 0., 0., 0.],
        [0., 0., 0., ..., 0., 0., 0.],
        [0., 0., 0., ..., 0., 0., 0.]])

3.2.3. Longest path

Find the longest path in a Directed Acyclic Graph (DAG).

Root node ix: 0

Longest path size: 4
['p20389-c151201-c181174-c181259']

> root
  {'claim': Sembrar arboles nativos de la region de Madrid}
  {'linker': 'para', 'category': 'CONSEQUENCE', 'subCategory': 'GOAL', 'relationType': 'support'}
  {'premise' mejorar la calidad del aire , mantener un estilo de vida natural y mejorar la estetica urbana con seres vivos}
> reply
  {'claim': Mas de 230 arboles en tres semanas , con la excusa de que son muy peligrosos y se nos van a caer encima}
  {'linker': 'pero', 'category': 'CONTRAST', 'subCategory': 'OPPOSITION', 'relationType': 'attack'}
  {'premise' , cuando empezaron a talar , solo 4 de los 230 estaban huecos por dentro}
> reply
  {'claim': Si al menos los que talan los restituyen por otros mas jovenes}
  {'linker': 'pero', 'category': 'CONTRAST', 'subCategory': 'OPPOSITION', 'relationType': 'attack'}
  {'premise' no es asi}
> reply
  {'claim': Cuando un arbol viejo se cae sobre la gente es una catastrofe}
  {'linker': 'pero', 'category': 'CONTRAST', 'subCategory': 'OPPOSITION', 'relationType': 'attack'}
  {'premise' sabemos que durante anos no se ha controlado el cuidado de los arboles}

3.3. Plotting Directed Weighted Graph

Argumentation network between proposals and comments.

---

« Back to the repository.